文献

J-GLOBAL ID：202102250490881300   整理番号：21A0444764

顔動作単位を用いた疼痛評価のための多次元測定の調査【JST・京大機械翻訳】

Exploring Multidimensional Measurements for Pain Evaluation using Facial Action Units

著者 (2件)： Xu Xiaojing (UC San Diego,Department of Electrical and Computer Engineering,CA,USA) ,  Sa Virginia R. de (UC San Diego,Department of Cognitive Science and Hal.c.o.glu Data Science Institute,CA,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FG  ページ： 786-792  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 疼痛は多次元的経験であると広く認識されているが,通常,1次元患者自己申告視覚アナログ尺度(VAS)により測定される。しかし,自己申告性疼痛は主観的であり,解釈が困難で,時には入手できない。機械学習モデルは,フレームレベルとシーケンス(またはビデオ)レベルの両方で疼痛を自動的に認識するために開発された。多くの方法は,筋肉運動による表情を記述するための顔行動符号化システム(FACS)によって定義される顔行動単位(AU)を使用または学習する。本論文では,配列レベル多次元疼痛測定およびフレームレベルAUとAU導出疼痛関連尺度,PrkachinおよびSolomon疼痛強度(PSPI)の間の関係を分析した。フレームレベル計量からシーケンスレベル計量を学習する方法を研究した。特に,訓練中の他の配列レベル疼痛測定の助けを借りて,ヒト標識AUからのVASを予測するための拡張マルチタスク学習モデルを検討した。このモデルは2つの部分から成る:多次元疼痛スコアを予測するマルチタスク学習ニューラルネットワークモデルと,多次元疼痛スコアを最良近似VASに線形結合するためのアンサンブル学習モデル。ヒト標識AUsから出発して,モデルは1.73のVASで平均絶対誤差(MAE)を達成した。それは,1.76のMAEを有するヒト配列レベル推定を提供した。機械学習モデルと人間の推定を組み合わせると,1.48のVASでMAEの最良の性能が得られる。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ヒト ,  近似法 ,  録画装置 ,  一次元 ,  *疼痛 ,  表情 ,  *高次元 ,  疼痛測定 ,  機械学習
準シソーラス用語： 神経回路網モデル ,  アンサンブル学習 ,  線形結合 ,  ビジュアルアナログスケール ,  マルチタスク学習 , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 顔 ,  疼痛評価 ,  多次元 ,  調査